R语言：拆分多分隔符字符串，提取指定字符至新列

针对你的需求，这里提供几种可行的R语言实现方法，包括你询问的separate_wider_regex，以及更简洁的替代方案：

方法1：使用tidyr::separate_wider_regex #

通过正则表达式匹配不同部分的结构，直接拆分出目标列：

library(tidyr)

df <- data.frame(SampleID = c(
  "Akt.B.M_1867_1:100", "Akt.B.M_1869_1:100", "Akt.B.M_1871_1:100",
  "Akt.B.M_1878_1:100", "M.M.K_1259_1:100",   "M.M.K_1262_1:100",
  "M.M.K_1264_1:100",   "M.M.K_1272_1:100",   "SKO.Shard_30_1:100",
  "SKO.Shard_32_1:100", "SKO.Shard_45_1:100", "Zh.San_618_1:100",
  "Zh.San_624_1:100",   "Zh.San_629_1:100"
))

df_extracted <- df %>%
  separate_wider_regex(
    SampleID,
    patterns = c(
      prefix = "[^.]+",  # 匹配第一个句号前的所有非句号字符
      ".*?_",            # 非贪婪匹配到第一个下划线（跳过中间无关内容）
      mid_num = "[^_]+", # 匹配两个下划线之间的非下划线字符
      ".*"               # 匹配剩余所有内容（直接忽略）
    )
  )

print(df_extracted)

方法2：用stringr::str_extract直接提取（更简洁） #

无需拆分整个字符串，直接定位目标内容提取：

library(stringr)
library(dplyr)

df_extracted <- df %>%
  mutate(
    # 提取开头到第一个句号前的内容
    prefix = str_extract(SampleID, "^[^.]+"),
    # 提取两个下划线之间的内容（利用正则预查定位）
    mid_num = str_extract(SampleID, "(?<=_)[^_]+(?=_)")
  )

print(df_extracted)

方法3：使用tidyr::extract #

通过正则分组一次性提取目标列，语法更紧凑：

library(tidyr)

df_extracted <- df %>%
  extract(
    SampleID,
    into = c("prefix", "mid_num"),
    # 正则分组：第一组是第一个句号前内容，第二组是两个下划线之间内容
    regex = "^([^.]+).*?_([^_]+)_.*",
    remove = FALSE # 保留原SampleID列，不需要可设为TRUE
  )

print(df_extracted)

以上三种方法都能得到相同结果，你可以根据自己的代码习惯选择。

内容的提问来源于stack exchange，提问作者bhopalstiffs